Guía de Z-Image Turbo: qué es Z-Image y cómo ejecutarlo
Z-Image es el modelo de imagen abierto de 6B de Alibaba Tongyi. Qué es Z-Image Turbo, su licencia, la VRAM, los ajustes oficiales y cómo escribir prompts.
Resumen del artículo
- Z-Image es una familia de modelos de imagen abiertos de 6.000 millones de parámetros del equipo Tongyi de Alibaba. Z-Image Turbo salió el 26 de noviembre de 2025 y el Z-Image base el 27 de enero de 2026, ambos con licencia Apache 2.0.
- Z-Image Turbo crea una imagen en 8 pasos, cabe en tarjetas de consumo con 16 GB de VRAM y funciona con la guía (guidance) en 0, así que los prompts negativos no tienen ningún efecto en él.
- Ajustes oficiales de Turbo: 9 pasos en Diffusers (8 pasadas del modelo), guidance 0,0, 1024x1024. El modelo base pide de 28 a 50 pasos, guidance de 3,0 a 5,0 y un prompt negativo.
- Escríbele descripciones largas y concretas en inglés o en chino, pon entre comillas dobles el texto que debe aparecer en la imagen y olvídate de etiquetas como 8K o masterpiece.
Z-Image es una familia de modelos de imagen de pesos abiertos de Tongyi Lab, de Alibaba, publicada con el nombre Tongyi-MAI. Su versión más conocida, Z-Image Turbo, crea una imagen en 8 pasos, cabe en tarjetas gráficas de consumo con 16 GB de memoria de video y se publica con la licencia Apache 2.0. Puedes descargarlo de GitHub, Hugging Face o ModelScope, probarlo en una demo online oficial o usarlo a través de la API de Alibaba Cloud.
Todas las cifras que siguen proceden del repositorio oficial de GitHub, de las fichas del modelo en Hugging Face, del informe técnico o de la documentación de Alibaba Cloud, todo consultado el 5 de octubre de 2026.
¿Qué es Z-Image?
Z-Image (造相 en chino) es un modelo de texto a imagen con 6.000 millones de parámetros. Escribes una descripción y te devuelve una imagen. La web del proyecto lo atribuye a «Z-Image Team, Tongyi MAI, Alibaba Group». En ModelScope, la plataforma de modelos de Alibaba, la organización Tongyi-MAI usa el nombre chino 通义多模态交互, Tongyi Multimodal Interaction.
La clave de Z-Image es su tamaño. Su informe técnico señala que los principales modelos abiertos, como Qwen-Image, Hunyuan-Image-3.0 y FLUX.2, tienen entre 20.000 y 80.000 millones de parámetros, lo que los hace «poco prácticos para la inferencia y el fine-tuning en hardware de consumo». Z-Image busca una calidad similar con 6.000 millones. El informe dice que el entrenamiento completo llevó 314.000 horas de GPU H800, unos 630.000 dólares estadounidenses.
Usa lo que el equipo llama Scalable Single-Stream Diffusion Transformer (S3-DiT): los datos de texto y de imagen entran en el modelo como un solo flujo en lugar de dos. El codificador de texto del repositorio de Hugging Face es un modelo de lenguaje Qwen3.
Cronología de lanzamientos de Z-Image
| Fecha | Qué pasó |
|---|---|
| 26 de noviembre de 2025 | Lanzamiento de Z-Image Turbo en Hugging Face y ModelScope |
| 27 de noviembre de 2025 | Primera versión del informe técnico publicada en arXiv |
| 8 de diciembre de 2025 | Z-Image Turbo queda 8.º en la clasificación general y primero entre los modelos de código abierto en la tabla de texto a imagen de Artificial Analysis, según el README |
| 27 de enero de 2026 | Lanzamiento de Z-Image, el modelo fundacional completo |
Variantes del modelo Z-Image
El README de GitHub enumera cuatro variantes. Dos se pueden descargar; las otras dos seguían marcadas como «To be released» (pendiente de lanzamiento) a 5 de octubre de 2026.
| Variante | Para qué sirve | Pasos | Guidance (CFG) | Estado a 5 de octubre de 2026 |
|---|---|---|---|---|
| Z-Image Turbo | Texto a imagen rápido y fotorrealista | 8 | No | Lanzado |
| Z-Image | Modelo fundacional, estilos, fine-tuning | De 28 a 50 | Sí | Lanzado |
| Z-Image-Omni-Base | Base en bruto para generación y edición | 50 | Sí | Pendiente de lanzamiento |
| Z-Image-Edit | Edición de imágenes con instrucciones de texto | 50 | Sí | Pendiente de lanzamiento |
Turbo es una versión destilada de Z-Image. La destilación enseña a un modelo más pequeño o más rápido a imitar a uno más lento, de modo que necesita menos pasos. El README dice que Turbo «iguala o supera a los principales competidores con solo 8 NFE» (8 pasadas por el modelo).
Z-Image vs. Z-Image Turbo
La ficha del modelo Z-Image compara directamente los dos modelos lanzados:
| Z-Image | Z-Image Turbo | |
|---|---|---|
| Pasos | De 28 a 50 | 8 |
| Guidance (CFG) | Sí | No |
| Prompts negativos | Sí | No |
| Fine-tuning | Sí | No |
| Diversidad entre semillas | Alta | Baja |
| Calidad visual | Alta | Muy alta |
En resumen: Turbo sirve para imágenes rápidas y pulidas. El modelo base sirve para tener control, variedad y entrenar tus propios complementos. La ficha oficial indica que Turbo no está pensado para fine-tuning y describe el modelo base como «una buena base para entrenar LoRA», así que entrena los LoRA sobre el modelo base. Aun así, existen fine-tunes de Turbo hechos por la comunidad: el árbol de modelos de la página de Turbo en Hugging Face mostraba más de 150 fine-tunes y más de 800 adaptadores a 5 de octubre de 2026. No son lanzamientos oficiales.
Licencia de Z-Image
Las dos fichas del modelo en Hugging Face indican la licencia Apache 2.0, y el repositorio de GitHub incluye el archivo de la licencia Apache 2.0. Apache 2.0 es una licencia permisiva. Permite el uso comercial, los cambios y la redistribución, siempre que conserves la licencia y sus avisos junto con lo que compartas.
La licencia cubre el código y los pesos, no a las personas de tus imágenes ni las normas del sitio donde publicas.
Hardware: qué necesitas para ejecutar Z-Image Turbo
Las cifras oficiales son pocas:
- Memoria de video: el README dice que Turbo «cabe con holgura en dispositivos de consumo con 16G de VRAM». El informe técnico dice «menos de 16GB de VRAM».
- Velocidad: «latencia de inferencia inferior a un segundo» en una H800, que es una GPU de centro de datos. Una tarjeta doméstica será más lenta.
- Precisión: el código de ejemplo carga el modelo en bfloat16.
- Poca memoria: el código de ejemplo incluye una línea opcional de descarga a la CPU «para dispositivos con memoria limitada».
- Espacio en disco: los archivos de pesos del repositorio de Turbo suman unos 33 GB.
La lista de la comunidad del README dice que stable-diffusion.cpp, un motor de inferencia en C++, puede ejecutar Z-Image «con tan solo 4GB de VRAM». Es una herramienta de la comunidad, no el lanzamiento oficial.
Cómo ejecutar Z-Image Turbo
1. Prueba la demo online
La forma más rápida de ver Z-Image es la demo oficial en Hugging Face Spaces. ModelScope también tiene una. No hace falta instalar nada.
En la demo de Hugging Face, los pasos están fijados en 8 y el control «Time Shift» viene en 3,0 por defecto. Los ajustes predefinidos de resolución van de 1024x1024 a 2048x1152, con proporciones de 1:1 a 21:9. El código de la demo revisa cada prompt en busca de contenido inapropiado y pasa un verificador de seguridad por el resultado, así que es una herramienta para todos los públicos.
2. Ejecútalo en Python con Diffusers
Esta es la vía que la ficha del modelo Turbo documenta por completo. El código de ejemplo se ejecuta en una tarjeta gráfica CUDA.
- Instala Diffusers desde el código fuente:
pip install git+https://github.com/huggingface/diffusers. El README explica que el soporte de Z-Image llegó mediante dos pull requests, por eso pide el código más reciente. - Descarga los pesos:
pip install -U huggingface_huby despuéshf download Tongyi-MAI/Z-Image-Turbo. - Carga el
ZImagePipelineen bfloat16 y pásalo a la GPU. - Genera con los ajustes oficiales.
El núcleo del ejemplo oficial es este:
image = pipe(
prompt=prompt,
height=1024,
width=1024,
num_inference_steps=9, # This actually results in 8 DiT forwards
guidance_scale=0.0, # Guidance should be 0 for the Turbo models
).images[0]
Los comentarios son del propio equipo.
3. Ejecútalo en ComfyUI
ComfyUI, la interfaz de código abierto basada en nodos, es una vía habitual en la comunidad. La lista de la comunidad del README incluye un nodo de ComfyUI que configura las resoluciones oficiales de Z-Image. La página de ejemplos de ComfyUI indica tres archivos para Z-Image Turbo: el codificador de texto qwen_3_4b, el modelo de difusión z_image_turbo_bf16 y el VAE de Flux 1. Colocas cada uno en su carpeta de modelos de ComfyUI y luego cargas el flujo de trabajo de ejemplo. Usa los mismos ajustes que se indican más abajo: 8 pasos y la guidance desactivada.
4. Ejecuta el código nativo de PyTorch
Clona el repositorio de GitHub, instálalo con pip install -e . y ejecuta python inference.py. Así usas el código del propio equipo en lugar de Diffusers.
5. Úsalo a través de Alibaba Cloud
Alibaba Cloud Model Studio ofrece z-image-turbo como modelo alojado en su API. Su página del modelo indica dos regiones, China (Pekín) y Singapur, y un límite de 120 solicitudes por minuto, a 5 de octubre de 2026. Es adecuado para aplicaciones sin GPU propia.
Ajustes recomendados de Z-Image
Estos son los ajustes que dan las fichas oficiales del modelo.
| Ajuste | Z-Image Turbo | Z-Image (base) |
|---|---|---|
| Pasos | 9 en Diffusers (8 pasadas del modelo) | De 28 a 50 |
| Escala de guidance | 0,0 | De 3,0 a 5,0 |
| Prompt negativo | No se usa | «Muy recomendable» |
| Resolución | 1024x1024 en el ejemplo; ajustes de la demo hasta 2048x1152 | Área total de 512x512 a 2048x2048 píxeles, cualquier proporción |
| Normalización de CFG | No se usa | False para trabajos estilizados, True para realismo |
| Shift del scheduler (configuración del repositorio, 5 de octubre de 2026) | 3,0 | 6,0 |
Que la guidance esté en 0 importa a la hora de escribir prompts. La guidance es lo que hace funcionar un prompt negativo, así que en Turbo un prompt negativo no tiene nada sobre lo que actuar. Pon todo lo que quieres en el prompt principal.
Cómo escribir prompts para Z-Image
Z-Image entiende descripciones largas y sencillas en inglés o en chino. Los ejemplos oficiales son párrafos completos, no listas de etiquetas. La mejor guía de lo que le gusta es el propio optimizador de prompts del equipo, una plantilla de la demo que reescribe prompts cortos como prompts completos. Traducido del chino, sigue este orden:
- Fija lo esencial. El sujeto, el número de personas u objetos, la acción, el estado, los colores y cualquier texto indicado se mantienen exactamente como se pidieron.
- Añade los detalles fotográficos. Composición, luz y ambiente, materiales y texturas, paleta de colores y capas de profundidad.
- Entrecomilla el texto. Las palabras que deben aparecer en la imagen van entre comillas dobles inglesas, escritas tal cual. En pósteres y menús, describe también la tipografía y la maquetación.
- Sé concreto. Nada de metáforas, nada de lenguaje emocional y nada de metaetiquetas como «8K» o «masterpiece» (obra maestra).
Un prompt construido así se lee como la descripción de una foto real:
Photo of a woman in her thirties reading at a café window, soft morning light from the left, white ceramic cup on a wooden table, shallow depth of field, street blurred behind the glass, a chalkboard sign on the wall that says “OPEN 8-6”, muted warm colours. (Foto de una mujer de unos treinta años que lee junto a la ventana de una cafetería, luz suave de mañana desde la izquierda, una taza de cerámica blanca sobre una mesa de madera, poca profundidad de campo, la calle desenfocada tras el cristal, un cartel de pizarra en la pared que dice “OPEN 8-6”, tonos cálidos y apagados.)
De las fichas del modelo se derivan tres consejos más:
- Usa texto. El README destaca el «renderizado de texto bilingüe (inglés y chino)». Los carteles, las etiquetas y los pósteres son un punto fuerte, así que escribe las palabras entre comillas.
- Cambia el prompt, no solo la semilla. La ficha del modelo base califica de baja la diversidad de Turbo. Una semilla nueva suele dar una imagen parecida, así que cambia la redacción cuando quieras otra composición.
- Describe, no prohíbas. Como Turbo no tiene prompt negativo, escribe «natural skin texture with visible pores» (textura de piel natural con poros visibles) en lugar de enumerar lo que no quieres.
Para un método completo con términos de cámara, objetivo y luz, consulta ingeniería de prompts para fotos realistas con IA.
Puntos fuertes y límites de Z-Image Turbo
Puntos fuertes, tal como los describen las fuentes oficiales:
- Fotorrealismo. El README dice que Turbo «destaca en la generación de imágenes fotorrealistas».
- Texto en las imágenes, en inglés y en chino.
- «Un seguimiento sólido de las instrucciones», en palabras del README.
Límites que hay que tener en cuenta:
- Sin prompts negativos y sin guidance. A Turbo solo lo diriges con el prompt principal.
- Poca diversidad. Es la propia valoración de la ficha del modelo. Bien para mantener un estilo, menos bien para explorar ideas.
- No está pensado para fine-tuning. La ficha oficial lo indica así; entrena los LoRA sobre el modelo base Z-Image.
- Todavía no hay un modelo oficial de edición. Z-Image-Edit y Z-Image-Omni-Base seguían figurando como «To be released» a 5 de octubre de 2026.
- No recuerda a ninguna persona. Como cualquier modelo de texto a imagen, cada generación empieza de cero, así que el mismo personaje irá cambiando de una imagen a otra si no añades un método de coherencia.
- Un lanzamiento para todos los públicos. El informe técnico dice que los datos de entrenamiento se puntuaron según su contenido NSFW como parte del filtrado, y la demo oficial revisa los prompts.
Z-Image para creadores que publican como una sola persona
Los dos últimos límites son los que más importan si vendes contenido, porque los suscriptores siguen a una cara. Los métodos para mantener una cara estable, del entrenamiento de LoRA a las imágenes de referencia, se comparan en entrenamiento de LoRA vs. prompts multiángulo.
FansCreator incluye Z-Image entre los modelos que ejecuta, y mantiene la misma cara y el mismo cuerpo de un creador en imágenes y video.
Para creadores adultos, el generador de imágenes NSFW con IA de FansCreator y su página de Z-Image están hechos para contenido para adultos, con reglas de consentimiento. Tú descargas el resultado y lo publicas.
Uses la herramienta que uses, la regla de consentimiento es la misma: solo tu propia cara, tu propia persona IA o una cara cuyo dueño te haya dado un consentimiento que puedas demostrar. Los Términos de uso de FansCreator prohíben cualquier otra cosa. Después comprueba adónde va la imagen:
- OnlyFans solo permite contenido de IA si «muestra claramente al Creador verificado» y está etiquetado, por ejemplo con #ai (centro de ayuda de OnlyFans). Su guía de moderación incluye entre lo que elimina el contenido «generado íntegramente por IA» o que «presenta imágenes muy alteradas». Una persona creada desde cero no tiene cabida ahí.
- Fanvue permite creadores generados íntegramente por IA con un aviso claro de IA en la biografía, el pie de foto o una marca de agua (centro de ayuda de Fanvue).
- MYM permite contenido de IA etiquetado como «Virtual Image», #AI o #AIgenerated, y añade una insignia «AI profile» (soporte de MYM).
- Fansly no permite contenido de IA fotorrealista, aunque esté etiquetado (centro de ayuda de Fansly).
Si estás creando una persona original para Fanvue o MYM, cómo crear un influencer de IA explica los pasos.
Turbo o modelo base: qué Z-Image elegir
Usa Z-Image Turbo cuando quieras imágenes realistas rápido: 8 pasos, guidance en 0, unos 1024x1024 y un prompt largo y concreto. Usa el modelo Z-Image base cuando necesites prompts negativos, composiciones más variadas o una base para entrenar LoRA, y acepta de 28 a 50 pasos. Los dos son Apache 2.0, y ninguno mantiene por sí solo la coherencia de una persona.
Preguntas frecuentes
¿Quién crea Z-Image?
Z-Image es de Alibaba. La web del proyecto lo atribuye a Z-Image Team, Tongyi MAI, Alibaba Group, y los modelos se publican con el nombre Tongyi-MAI en GitHub, Hugging Face y ModelScope.
¿Qué diferencia hay entre Z-Image y Z-Image Turbo?
Z-Image Turbo es una versión destilada de Z-Image pensada para la velocidad: 8 pasos, sin guidance, sin prompts negativos y con una calidad visual muy alta, pero poca variedad entre semillas. El Z-Image base necesita de 28 a 50 pasos, admite guidance y prompts negativos, da resultados más variados y es el que conviene ajustar con fine-tuning.
¿Cuánta VRAM necesita Z-Image Turbo?
El README oficial dice que Z-Image Turbo cabe con holgura en 16 GB de VRAM en dispositivos de consumo, y el informe técnico dice que menos de 16 GB. El código de ejemplo también ofrece descarga a la CPU para tarjetas con menos memoria, a costa de la velocidad.
¿Puedo usar Z-Image con fines comerciales?
Sí. Tanto Z-Image como Z-Image Turbo se publican con la licencia Apache 2.0, que permite el uso comercial, la modificación y la redistribución siempre que conserves la licencia y los avisos. La licencia no prevalece sobre los derechos de las personas que aparecen en tus imágenes ni sobre las normas de la plataforma donde publicas.
¿Cuáles son los mejores ajustes para Z-Image Turbo?
La ficha del modelo usa 9 pasos de inferencia en Diffusers, que equivalen a 8 pasadas por el modelo, una escala de guidance de 0,0, precisión bfloat16 y resolución de 1024x1024. Para dirigir el resultado, cambia el prompt en lugar de la guidance.
Fuentes
- https://github.com/Tongyi-MAI/Z-Image
- https://github.com/Tongyi-MAI/Z-Image/blob/main/LICENSE
- https://huggingface.co/Tongyi-MAI/Z-Image-Turbo
- https://huggingface.co/Tongyi-MAI/Z-Image-Turbo/tree/main
- https://huggingface.co/Tongyi-MAI/Z-Image
- https://huggingface.co/spaces/Tongyi-MAI/Z-Image-Turbo
- https://huggingface.co/spaces/Tongyi-MAI/Z-Image-Turbo/blob/main/app.py
- https://huggingface.co/spaces/Tongyi-MAI/Z-Image-Turbo/blob/main/pe.py
- https://www.modelscope.cn/models/Tongyi-MAI/Z-Image-Turbo
- https://tongyi-mai.github.io/Z-Image-blog/
- https://arxiv.org/abs/2511.22699
- https://help.aliyun.com/en/model-studio/z-image-turbo
- https://onlyfans.com/help/196/205/211
- https://onlyfans.com/help/196/205/206
- https://help.fanvue.com/en/articles/9538738-is-ai-content-allowed-on-fanvue
- https://support.mym.fans/hc/en-us/articles/14997634314524-AI-Generated-Content-on-MYM-What-You-Need-to-Know
- https://help.fansly.com/en/articles/12315578-ai-generated-content-on-fansly